4.6: Subtemas y Exploraciones
- Page ID
- 122887
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
\( \newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\)
( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\id}{\mathrm{id}}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\kernel}{\mathrm{null}\,}\)
\( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\)
\( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\)
\( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\AA}{\unicode[.8,0]{x212B}}\)
\( \newcommand{\vectorA}[1]{\vec{#1}} % arrow\)
\( \newcommand{\vectorAt}[1]{\vec{\text{#1}}} % arrow\)
\( \newcommand{\vectorB}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vectorC}[1]{\textbf{#1}} \)
\( \newcommand{\vectorD}[1]{\overrightarrow{#1}} \)
\( \newcommand{\vectorDt}[1]{\overrightarrow{\text{#1}}} \)
\( \newcommand{\vectE}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash{\mathbf {#1}}}} \)
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
Subtemas
Aquí están todos los subtemas dentro del capítulo Aprendizaje, recopilados en un solo lugar para una fácil navegación. Estos pueden o no ser opcionales para un curso determinado, dependiendo de las especificaciones del instructor sobre qué leer:
- Biología detallada del aprendizaje: tratamiento más profundo de las cascadas de señalización postsináptica que median en LTP y LTD, descrito en el contexto del modelo de plasticidad sináptica Urakubo, Honda, Froemke y Kuroda (2008).
- Hebbian Learning, un tratamiento extenso de las propiedades computacionales del aprendizaje hebbio, comienza con una simple simulación manual del aprendizaje hebbio que muestra exactamente cómo y por qué captura patrones de co-ocurrencia.
- STDP: más detalles sobre la plasticidad dependiente de la sincronización de picos
- La retropropagación —historia y derivación matemática de funciones de aprendizaje impulsadas por errores— se recomienda encarecidamente para obtener una mayor comprensión de la naturaleza computacional del aprendizaje impulsado por errores (comienza con algunos puntos conceptuales importantes antes de entrar en las matemáticas).
- La función de aprendizaje oscilante (Norman et al., regla de aprendizaje basada en plasticidad sináptica que cambia rápidamente combinada con oscilaciones en la fuerza inhibitoria) produce un interesante híbrido de aprendizaje impulsado por errores y autoorganizado, y es matemáticamente equivalente a la función de aprendizaje CAL.
- Detalles de implementación: detalles de implementación diversos sobre cómo se calculan las activaciones promediadas en el tiempo, etc.
- Leabra Details — describe cómo la versión actual de Leabra basada en XCAL difiere de la original del CECNTextbook (O'Reilly & Munakata, 2000).
- Conjunto completo de ecuaciones de Leabra en página emergente: gris.colorado.edu/emergent/index.php/Leabra #Leabra_Algorithm_Equations
Exploraciones
Aquí están todas las exploraciones cubiertas en la parte principal del capítulo Aprendizaje:
- Autoorganización (self_org.proj) — Aprendizaje autoorganizado utilizando la dinámica BCM-like de XCAL (Preguntas 4.1-4.2).
- Asociador de patrones (pat_assoc.proj) — Aprendizaje básico de red de dos capas tareas simples de mapeo de entrada/salida con mecanismos hebbianos y impulsados por errores (Preguntas 4.3-4.6).
- Error Driven Hidden (err_driven_hidden.proj) — El aprendizaje completo controlado por errores con una capa oculta, puede resolver cualquier mapeo de entrada y salida (Pregunta 4.7).
- Árboles genealógicos (family_trees.proj) — Aprendiendo en una red profunda (multi-capa oculta), remodelando representaciones internas para codificar similitud relacional (Preguntas 4.8-4.9).